Mit Satellitenbildern und maschinellem Lernen gegen Armut
Vor allem für unterentwickelte Staaten gibt es sehr wenig Datenmaterial zur Verteilung von Armut. Das ist aber wichtig für die Förderung wirtschaftlicher Entwicklung. US-Forscher haben nun Algorithmen geschrieben, die selbstständig solche Daten sammeln.
Anhand der nächtlichen Beleuchtung können Algorithmen auf Hinweise für Entwicklung schließen.
(Bild: NASA Goddard Space Flight Center)
Weil verlässliche Daten über Armut vor allem in unterentwickelten Ländern rar sind, wollen US-Forscher nun Algorithmen auf Satellitenbilder ansetzen. Wie die Wissenschaftler der Universität Stanford erklären, gibt es für große Teile der Welt "überraschend wenige" Daten darüber, wo die Menschen besonders arm sind. Dabei seien die aber nicht für Helfer, sondern auch lokale Regierungen wichtig, um wirtschaftliche Entwicklung zu fördern. Der Datenmangel werde derzeit nur besonders aufwändig zu beheben versucht, etwa durch Befragungen vor Ort. Dabei könnten lernende Maschinen aus dem vergleichsweise begrenzten Datenmaterial einiges über diese Gegenden erfahren.
(Bild:Â Neal Jean et al.)
Mit wenig Daten zum Ziel
Wie die Forscher erklären, seien Gegenden, die in der Nacht hell erleuchtet sind, normalerweise entwickelter als die dunklen. Deswegen haben sie Algorithmen mit Aufnahmen der nächtlichen Erde gefüttert und ihnen danach hochaufgelöste Satellitenbilder vorgelegt, die de Erdoberfläche bei Tag zeigen. Die Software sollte dann nach Strukturen in den Tagesaufnahmen suchen, die mit wirtschaftlicher Entwicklung korrelieren. Ohne dass dem lernenden Algorithmus vorgegeben wurde, wonach er suchen solle, habe er solche gefunden, die Menschen sofort wiedererkennen. Das seien beispielsweise Straßen, städtische Gebiete und Felder. Die können dann für kleinste Areale ausgewertet und darauf eine Karte mit dörflicher Genauigkeit erstellt werden.
Anhand der gesammelten Daten haben die Forscher nach eigenen Angaben errechnet, wie arm oder reich die Menschen in den analysierten Gegenden der afrikanischen Staaten Nigeria, Tansania, Uganda, Malawi und Ruanda sind. Das Ergebnis konnten sie mit gesammelten Daten abgleichen und kamen demnach zu dem Ergebnis, dass ihre Methode besser funktionierte, als alle bekannten Alternativen. Gleichzeitig sei sie äußerst günstig und leicht zu skalieren. Die damit erstellten Karten der Armutsverteilung könnten Hilfsorganisationen helfen, ihre Bemühungen zielgerichtet einzusetzen.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externes Video (Kaltura Inc.) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Kaltura Inc.) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
(mho)
